← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 生成模型:未记录

ReLU与失活

理解等级:中级

ReLU(x)=max(0,x):正输入保持原值,负输入输出零;正侧导数为 1,负侧为 0,在零点不可导。它有助于缓解饱和激活的某些梯度问题,但不能保证整个网络不发生梯度消失。长期落在负侧的单元可能失活,Leaky ReLU 通过负侧小斜率缓解。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《破解深度学习(基础篇)_模型算法与实现》第4章《深度神经网络:误差倒查分解》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0007.xhtml`,4.1—4.2及对应公式图) - 结论依据:原文与图示说明模型、激活和训练目标;卡片对需要的数学条件作限定。 - 原始内容:ReLU函数也有缺点,比如当输入为负时函数值为0,这会导致网络某些权重不能更新,这种现象称为“Dying ReLU”